环境温湿度、光照强度、水分、盐碱度、作物生理指标……这些参数关系农作物生长，现代农业通过农业信息智能感知技术便可轻松“一网打尽”。 然而实时监测这些指标需要电力驱动，电力无疑是智慧农业蓬勃发展的“源头活水”。田间地头常常难以铺设管线，而电池有限续航能力和污染风险又比较突出。因此发展农业信息“无源感知”是未来智慧农业一大趋势。 为更好地解决这一难题，浙江大学生物系统工程与食品科学学院IBE团队平建峰研究员课题组，提出了一种简便有效的方法，从农业环境中挖掘自然能源并将其高效转化为电能。首次将摩擦纳米发电机技术应用于农用纺织品中，并用于降雨时雨水能的收集，通过能量转化获取电能。 这项研究，近日发表在国际知名期刊《纳米能源》（ Nano Energy ）上，论文第一作者为浙江大学生物系统工程与食品科学学院2020级博士研究生姜成美 ，通讯作者为平建峰研究员。 功能化纱线的制备流程及其在农业中的应用场景把摩擦纳米发电机装进农用纺织品的纱线里 南方地区经常暴雨成灾，造成农业生产的巨大损失。农用纺织品在大棚设施中最为常见，它能够遮阴挡雨，保护农作物。 如何从农业环境中挖掘能源？ 浙大科研人员将这两者巧妙结合，通过纱线表面功能化，将摩擦纳米发电机依附在纱线上，织成智能化农用纺织品，利用雨水冲刷时的电子转移与流动产生电流，源源不断地为智慧农业供能。装载摩擦纳米发电机的纱线可以说是智慧农业的“无源活水”。 这个研究灵感来自一场突如其来的大雨：仲夏时节，一场突如其来的倾盆大雨透过来不及关闭的窗户摧残了窗台边的绿植。这引起了研究人员的思考：“农作物所处的环境只会更恶劣，那么我们就想办法利用它的恶劣。”大棚不仅可以作为作物、动物的“保护伞”，还可以作为雨滴能的收集器。 实验数据显示，在9.5牛顿的连续力作用下，3厘米长的纱线就能产生7.7伏的电压。 平建峰介绍，未来通过连接储能设备，这些被改造的农用纺织品，不仅可以为种植业和畜牧业提供保护以提高农畜产品质量与产量，还可以为物联网感知器件源源不断地输送电能，从而开展农业信息的无源监测和实时提供天气状况。 功能化纱线在农用纺织品上的应用绿色能源在智慧农业中具有广阔应用 为什么雨滴的能量可以转化成电能呢？ 这是因为对农用纺织品的纱线进行了特殊改造。科研人员在其表面覆盖了两层特殊材料——导电的碳化钛纳米材料和不导电的聚二甲基硅氧烷（一种高分子聚合物）。 功能化纱线收集雨滴能的原理 该聚合物能够防水并与环境中的雨水发生电子转移。而碳化钛感应电极，不仅具有高导电性能，还因其高电负性可以助力表面聚合物抢夺电子。因此在实现农用纺织品原有的农用保护材料、保温、遮阳、水土保持、排水灌溉、种子培育基材的功能基础上，还能从农业环境中源源不断地获取能源，为智慧农业提供驱动力，实现农业信息“无源实时感知”。 平建峰说，这两种材料具有良好的生物相容性，而且整个制备过程易于规模化和工业化。

无尾家电金属异物检测: 当无线电能传输系统能量交换区中混入金属时，由于涡流效应金属温度会 急剧升高，进而产生严重的安全事故，因此对混入能量传输区域金属的检测需 亟待解决。本项目组经过多年的研究，积累了丰富金属检测经验，提出了基于 混沌理论和改进平衡线圈技术的检测方法。基于该技术，2013-2014年项目组与 海尔公司合作开发了“无尾家电金属异物检测”系统，成功应用于700W无尾搅拌 器系统中，实验证明系统具有很高的灵敏度和抗干扰性，可实现金属异物检测 精度小于5mm，确保了家电的安全性。磁耦合谐振式无线电能传输系统: 自从2007年美国麻省理工学院(MIT)的Marin Soljacic教授等人利用磁耦合谐 振技术成功地在2m外点亮一只60W的灯泡，无线电能传输技术(WPT)迅速成为 一个世界范围内的研究热点。磁耦合谐振原理是目前电能传输的最好方式，可 实现大功率、高效率、远距离的电能传输，克服有线供电取电不灵活问题。基 于该原理，本项目组成功开发了样机系统，其最大功率10kW，整体传输效率85% 以上，垂直传输距离达200mm，水平自由度100mm，具备金属异物检测功能。 能量传输平台采用扁平化设计，使该系统占用空间体积更小，可非常方便地应 用于家电无尾传输、汽车无线充电、AVG车、机器人等领域。

成果描述：本发明申请要解决的问题是，改进预测技术，提高预测准确度。本专利利用高阶马尔科夫模型的原理提出HM-gMTD模型的一种改进，即高阶HM-gMTD模型，并通过EM算法给出相应的参数估计方法和相应的计算方法，并能够快速进行参数估计，以提高模型预测的准确度。市场前景分析：预测模型的发展在人类的经济生活方面发挥着重要的作用，尤其是马尔科夫模型，几乎在各个领域都有着非常广泛的应用。本发明着重混合转移分布模型与高阶隐马尔科夫模型的巧妙结合，构造出高阶HM-gMTD模型，然后运用EM算法，对新模型实现了主要参数的求解。最后为了衡量一个模型的好坏和对不同的模型进行比较，我们选择准则函数。模型比较的最佳准则函数，既考虑到模型对原始数据的拟合程度，又兼顾模型中所包含的待定参数的个数，并且对二者做出合理的权衡。与同类成果相比的优势分析：本发明主要是针对HM-gMTD模型的进一步改进，提出一个高阶HM-gMTD模型，使其在降低计算的复杂度的同时，提高预测的准确性。

本发明涉及一种风电集群轨迹预测与分层控制方法，包括：根据风电集群及风电场内的拓扑结构，基于空间相关性和NWP数据进行超短期风电功率预测；根据调度中心下发的调度值，将控制过程在空间上分为集群优化调度层、场群协调分类层和单场自动执行层，将风电功率预测值从时间上逐层细化；在场群协调分类层，基于风电功率预测值对风电场进行分类，分为上爬坡群、下爬坡群、平稳群和振荡群；在单场自动执行层，基于AGC机组下旋转备用裕度和风电送出断面裕度判断风电可增发空间，增发上爬坡群风电场出力或降低下爬坡群风电场出力；基于风电场运行与监测系统，根据监测到的风电场实际值，计算并反馈风电功率误差，修正风电集群和风电场预测值，使优化过程更加精确。

本成果针对城市水电气热等综合能源数据来源广泛，结构复杂，且与用户、时间、空间信息关系紧密的特点，构建了高性能综合能源数据分析平台，提出了细粒度的能源数据分析理论框架及方法，并将其应用于智慧城市建设。

针对太阳能集热系统扰动多、大滞后和大惯性等控制难点，建立了适合控制器设计的简化分段非线性模型，并设计了基于预测函数控制策略的集热系统出口导热油温度控制系统。该预测函数控制策略在调节速度、超调量以及稳定性方面的控制效果均明显优于传统PID控制策略；与未简化的多模型预测控制相比，简化后的多模型预测函数控制的最大动态偏差增大了13%，但计算量大大降低，控制器的实时性也得到增强。

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.）致癌性预测服务器首页致癌性预测结果页相关综述对本服务器的介绍RF-hERG-Score预测药物引起的hERG相关心脏毒性2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。特异性重打分函数显著虚拟筛选性能显著较高筛选出两个候选抑制剂3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。lncRNA-蛋白质相互作用预测模型的性能比较lncRNA-蛋白质相互作用预测服务器相关软件著作权：

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。 成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.） 致癌性预测服务器首页 致癌性预测结果页 相关综述对本服务器的介绍 RF-hERG-Score预测药物引起的hERG相关心脏毒性 2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。 特异性重打分函数显著虚拟筛选性能显著较高 筛选出两个候选抑制剂 3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。 lncRNA-蛋白质相互作用预测模型的性能比较 lncRNA-蛋白质相互作用预测服务器相关软件著作权：

本项目发展了与时间相关的破坏理论，包括与时间相关的损伤理论、与时间相关的断裂理论、以及与时间相关的损伤可靠性理论，建立了高温构件损伤局部化的测量与分析方法，得出了冶金不连续结构、几何不连续结构、温度不均匀结构的损伤规律，由此形成了结构弱点识别技术，并通过与微观组织定量分析手段相结合，有效地解决了高温设备何处修与何时修的问题。同时该项目应用计算机及网络技术以促进先进的维修规划技术向企业管理的各个环节渗透。基于C/S与B/S模式相结合的思路，构建以预测为基础的过程设备管理系统，在开发设备维修日常管理系统的同时，将先进的缺陷评定技术作为转化的重点，并建立了高温设备远程寿命评估及监测的模块。该项目总体上达到了国际先进水平，许多具体技术是国内外首创的。  本项目的技术成果可应用于化工、石油化工、发电、冶金等工业领域的设备维修规划与失效预防。随着我国国民经济建设的快速发展，进入老化期的工厂（> 100,000 小时）越来越多，保证安全生产和降低维修成本的压力日益增大，另一方面国内高温装备制造商通过采用本项目的技术，可望提高其设备的市场竞争力。72％片碱生产蒸发浓缩装置

本发明涉及一种风电功率爬坡事件概率场景预测方法，通过构建计及累积密度函数和高阶矩自相关 函数的多目标适应度函数实现了分布特征一致性和时序特征一致性。基于多目标适应度函数的遗传算法 对概率生成模型参数进行迭代寻优，得到大量预测场景，并通过场景捕捉带内挖掘出的爬坡事件概率特 征评价该预测方法。选取国外某风场实际数据进行算例计算和统计分析，结果表明多目标函数较单目标 函数的统计结果更为精确，而且该概率场景预测方法可以较准确地估计出爬坡事件的特征量，证明了该 方法的正确性，可为概率场景生成方法和爬坡事件预测模型提供指导。